|
|||||
|
|
| 基于自适应学习的演化聚类算法 | |
| 引用本文： | 王玲,孙华.基于自适应学习的演化聚类算法[J].控制与决策,2016,31(3):423-428. |
| 作者姓名： | 王玲 孙华 |
| 作者单位： | 北京科技大学a. 自动化学院，b. 钢铁流程先进控制教育部重点实验室，北京100083. |
| 基金项目： | 国家自然科学基金项目(61572073)；中央高校基本科研业务费专项资金项目(FRF-UM-15-052)；高等学校教育教学改革项目(JG2014Z06). |
| 摘 要： | 演化聚类算法(ECM) 是一种有效的在线聚类算法, 能够根据输入数据实时调整聚类. 但是, 该聚类算法依赖于预先设置的最大距离阈值, 而且对数据输入次序敏感. 针对这些问题, 提出一种基于自适应学习的演化算法(SALECM), 在无法获取数据先验知识的情况下, 无需人为预先定义参数, 可自适应地调整聚类. 实验结果表明, 与 ECM相比, SALECM可提高在线聚类的自适应性能, 也能在一定程度上缓解数据输入次序对算法的影响. |
| 关 键 词： | 演化聚类|在线聚类|数据次序|自适应 |
| 收稿时间： | 2014/12/23 0:00:00 |
| 修稿时间： | 2015/3/10 0:00:00 |
Evolving clustering method based on self-adaptive learning |
|
| WANG Ling SUN Hua.Evolving clustering method based on self-adaptive learning[J].Control and Decision,2016,31(3):423-428. | |
| Authors: | WANG Ling SUN Hua |
| Abstract: | |
| Keywords: | evolving clustering|online clustering|data order|self-adaptive |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |